Libros / IA y ML

IA y ML

Todo Lenguajes de programación. 1538IA y ML 762Algoritmos y teoría 505Desarrollo de software 470Desarrollo web. 390DevOps e Infraestructura 271Ciberseguridad 225SO y Sistema 172Otro 169Bases de datos 146Desarrollo de videojuegos 143Sistemas embebidos. 131Gestión de TI 106
Todo Ciencia de Datos 253Aprendizaje automático 151LLM 107Redes neuronales 91ChatGPT 37TensorFlow 29Visión por computadora 26PyTorch 21MLOps 18Procesamiento del Lenguaje Natural 12Pandas 9Agentes de IA 1
Todo 2026 502025 1082024 1612023 1102022 492021 402020 652019 342018 292017 122016 142015 162014 32013 42012 22011 32009 22008 12007 21994 1
EN
Introducción a Python® para Ciencias de la Computación y Ciencia de Datos: Aprendiendo a Programar con IA, Big Data y la Nube

Introducción a Python® para Ciencias de la Computación y Ciencia de Datos: Aprendiendo a Programar con IA, Big Data y la Nube

A

Paul Deitel & Harvey Deitel

IA y ML
EN
NumPy para Principiantes: Tus Primeros Pasos en Ciencia de Datos con Python

NumPy para Principiantes: Tus Primeros Pasos en Ciencia de Datos con Python

B

AI Publishing

IA y ML
EN
Avanzando en el Análisis: De Excel a Python y R

Avanzando en el Análisis: De Excel a Python y R

A

George Mount

IA y ML
EN
IA Conversacional con Rasa: Construye, prueba e implementa asistentes virtuales y chatbots potenciados por IA de grado empresarial

IA Conversacional con Rasa: Construye, prueba e implementa asistentes virtuales y chatbots potenciados por IA de grado empresarial

A

Xiaoquan Kong, Guan Wang

IA y ML
EN
SQL para Análisis de Datos: Técnicas Avanzadas para Transformar Datos en Perspectivas

SQL para Análisis de Datos: Técnicas Avanzadas para Transformar Datos en Perspectivas

A

Cathy Tanimura

IA y ML
RU
Python para todos. Procesamiento de datos con Python 3

Python para todos. Procesamiento de datos con Python 3

A

Charles R. Severance

IA y ML
EN
Aprendizaje Automático y Minería de Datos para Tendencias Emergentes en Dinámica Cibernética: Teorías y Aplicaciones

Aprendizaje Automático y Minería de Datos para Tendencias Emergentes en Dinámica Cibernética: Teorías y Aplicaciones

A

Haruna Chiroma, Shafi’i M. Abdulhamid, Philippe Fournier-Viger, Nuno M. Garcia (Editors)

IA y ML
RU
JavaScript para aprendizaje profundo con TensorFlow.js

JavaScript para aprendizaje profundo con TensorFlow.js

A

François Chollet, Eric Nielsen, Stan Bileschi, Shengqing Cai

IA y ML
EN
Deep Learning con PyTorch Paso a Paso: Una Guía para Principiantes

Deep Learning con PyTorch Paso a Paso: Una Guía para Principiantes

A

Daniel Voigt Godoy

IA y ML
EN
Desplegar Modelos de Aprendizaje Automático en Producción: Con Flask, Streamlit, Docker y Kubernetes en Google Cloud Platform

Desplegar Modelos de Aprendizaje Automático en Producción: Con Flask, Streamlit, Docker y Kubernetes en Google Cloud Platform

A

Pramod Singh

IA y ML
RU
Data Science. Ciencia de Datos desde Cero

Data Science. Ciencia de Datos desde Cero

A

Joel Grus

IA y ML
EN
Aprendizaje Automático con Python para Principiantes: Una Guía Paso a Paso con Proyectos Prácticos

Aprendizaje Automático con Python para Principiantes: Una Guía Paso a Paso con Proyectos Prácticos

A

Jamie Chan

IA y ML
EN
Big Data con Hadoop y Hive

Big Data con Hadoop y Hive

A

Nitin Kumar

IA y ML
RU
Apache Airflow y las canalizaciones de procesamiento de datos

Apache Airflow y las canalizaciones de procesamiento de datos

A

Bas Harenslak, Julian de Ruyter

IA y ML
RU
Aprendizaje profundo: desarrollo fácil de proyectos en Python

Aprendizaje profundo: desarrollo fácil de proyectos en Python

A

Seth Weidman

IA y ML
RU
Data Science para profesionales

Data Science para profesionales

A

Nolis Jacqueline, Robinson Emily

IA y ML
RU
Desarrollo de pipelines de aprendizaje automático. Automatización de ciclos de vida de modelos con TensorFlow

Desarrollo de pipelines de aprendizaje automático. Automatización de ciclos de vida de modelos con TensorFlow

A

Japke H., Nelson K.

IA y ML
RU
Aprendizaje profundo generativo. El potencial creativo de las redes neuronales.

Aprendizaje profundo generativo. El potencial creativo de las redes neuronales.

A

Foster David

IA y ML
RU
Aprendizaje automático con R. Técnicas expertas para el análisis predictivo

Aprendizaje automático con R. Técnicas expertas para el análisis predictivo

A

Brett Lantz

IA y ML
EN
Dominar los algoritmos de aprendizaje automático, segunda edición

Dominar los algoritmos de aprendizaje automático, segunda edición

A

Giuseppe Bonaccorso

IA y ML
RU
Aprendizaje profundo con Python. Bibliotecas Keras y TensorFlow

Aprendizaje profundo con Python. Bibliotecas Keras y TensorFlow

A

François Chollet

IA y ML
EN
Equipos de Datos: Un Modelo de Gestión Unificado para Equipos Exitosos Centrados en Datos

Equipos de Datos: Un Modelo de Gestión Unificado para Equipos Exitosos Centrados en Datos

A

Jesse Anderson

IA y ML
RU
Aprendizaje profundo sin matemáticas. Volumen 2. Práctica

Aprendizaje profundo sin matemáticas. Volumen 2. Práctica

A

Andrew Glassner

IA y ML
RU
Aprendizaje profundo en biología y medicina

Aprendizaje profundo en biología y medicina

A

Bharat Ramsundar, Peter Eastman, Patrick Walters, Vijay Pande

IA y ML
RU
Redes neuronales evolutivas en Python

Redes neuronales evolutivas en Python

A

Yaroslav Omelyanenko

IA y ML
RU
Python y análisis de datos. Procesamiento primario de datos con pandas, NumPy e IPython

Python y análisis de datos. Procesamiento primario de datos con pandas, NumPy e IPython

A

Wes McKinney

IA y ML
RU
Aprendizaje profundo para dummies

Aprendizaje profundo para dummies

A

John Paul Mueller, Luca Massaron

IA y ML
EN
Procesamiento Práctico del Lenguaje Natural: Una Guía Integral para Construir Sistemas de NLP del Mundo Real

Procesamiento Práctico del Lenguaje Natural: Una Guía Integral para Construir Sistemas de NLP del Mundo Real

A

Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, Harshit Surana

IA y ML
EN
Aprende TensorFlow 2.0: Implementa Modelos de Aprendizaje Automático y Aprendizaje Profundo con Python

Aprende TensorFlow 2.0: Implementa Modelos de Aprendizaje Automático y Aprendizaje Profundo con Python

A

Pramod Singh, Avinash Manure

IA y ML
EN
Aprendizaje Automático Práctico con Rust: Creando Aplicaciones Inteligentes en Rust

Aprendizaje Automático Práctico con Rust: Creando Aplicaciones Inteligentes en Rust

A

Joydeep Bhattacharjee

IA y ML
RU
Introducción al aprendizaje profundo

Introducción al aprendizaje profundo

A

Evgeniy Chernyak

IA y ML
RU
Redes neuronales y aprendizaje profundo: curso de formación

Redes neuronales y aprendizaje profundo: curso de formación

A

Chari Aggarwal

IA y ML
RU
Métodos y tecnologías de procesamiento de big data

Métodos y tecnologías de procesamiento de big data

A

M. M. Zheleznov

IA y ML
RU
Tecnologías de aprendizaje automático. Manual didáctico-metodológico.

Tecnologías de aprendizaje automático. Manual didáctico-metodológico.

A

P. E. Gladilin, K. O. Bochenina

IA y ML
RU
Aprendizaje profundo con Python. Bibliotecas Keras, TensorFlow y scikit-learn

Aprendizaje profundo con Python. Bibliotecas Keras, TensorFlow y scikit-learn

B

J. V. Vander Plas

IA y ML
RU
Redes generativas antagónicas. Proyectos. Construye redes generativas de próxima generación utilizando las bibliotecas TensorFlow y Keras

Redes generativas antagónicas. Proyectos. Construye redes generativas de próxima generación utilizando las bibliotecas TensorFlow y Keras

A

Kailash Ahirwar

IA y ML
RU
Tecnologías modernas de análisis de datos

Tecnologías modernas de análisis de datos

A

A. V. Makshanov, A. E. Zhuravlev, L. N. Tyndykar

IA y ML
RU
Python para análisis de datos. Procesamiento de datos, visualización y aprendizaje automático

Python para análisis de datos. Procesamiento de datos, visualización y aprendizaje automático

B

Wes McKinney

IA y ML
RU
Sistemas de recomendación en la práctica

Sistemas de recomendación en la práctica

A

Kim Falk

IA y ML
RU
Aprendizaje profundo aplicado. Un enfoque basado en casos para comprender las redes neuronales profundas.

Aprendizaje profundo aplicado. Un enfoque basado en casos para comprender las redes neuronales profundas.

A

Umberto Michelucci

IA y ML
RU
Programando con PyTorch: Creación de aplicaciones de aprendizaje profundo

Programando con PyTorch: Creación de aplicaciones de aprendizaje profundo

A

Jan Poynter

IA y ML
RU
Fundamentos de la Inteligencia Artificial

Fundamentos de la Inteligencia Artificial

A

E. V. Borovskaya, N. A. Davydova

IA y ML
RU
Fundamentos del aprendizaje profundo. Creación de algoritmos para la inteligencia artificial de próxima generación

Fundamentos del aprendizaje profundo. Creación de algoritmos para la inteligencia artificial de próxima generación

A

Nikhil Buduma, Nicholas Locascio

IA y ML
RU
Fundamentos del aprendizaje estadístico: minería de datos, inferencia y predicción

Fundamentos del aprendizaje estadístico: minería de datos, inferencia y predicción

A

Trevor Hastie, Robert Tibshirani, Jerome Friedman

IA y ML
RU
Aprendizaje por Refuerzo: Introducción. Segunda Edición

Aprendizaje por Refuerzo: Introducción. Segunda Edición

A

Richard S. Sutton, Andrew G. Barto

IA y ML
RU
Procesamiento de lenguaje natural con TensorFlow

Procesamiento de lenguaje natural con TensorFlow

A

Tushan Ganegedara

IA y ML
RU
Procesamiento del lenguaje natural en acción. Comprensión, análisis y generación de texto con Python

Procesamiento del lenguaje natural en acción. Comprensión, análisis y generación de texto con Python

A

Lane Hobson, Cole Howard, Hannes Max Hapke

IA y ML
RU
Sistemas neuronales de procesamiento de información

Sistemas neuronales de procesamiento de información

A

S. V. Makartichyan, N. S. Kuznetsova, S. S. Dementev

IA y ML
RU
Ciencia de datos: curso de formación

Ciencia de datos: curso de formación

A

Steven S. Skiena

IA y ML
RU
Estadística visual. ¡Usa R!

Estadística visual. ¡Usa R!

A

A. B. Shipunov, E. M. Baldin, P. A. Volkova, A. I. Korobeynikov, S. A. Nazarova, S. V. Petrov, V. G. Sufiyanov

IA y ML
← 910111213 →

Puntuación de calidad del PDF:

A Excelente — texto copiable, TOC, metadatos B Bueno — texto presente, faltan algunos datos C Promedio — el texto es parcialmente extraíble D Pobre — muy probablemente un escaneo F Escaneo sin OCR — el texto no se puede extraer